使用cProfile分析numpy没有提供有用的结果
此代码:使用cProfile分析numpy没有提供有用的结果,numpy,cprofile,Numpy,Cprofile,此代码: import numpy as np import cProfile shp = (1000,1000) a = np.ones(shp) o = np.zeros(shp) def main(): np.divide(a,1,o) for i in xrange(20): np.multiply(a,2,o) np.add(a,1,o) cProfile.run('main()') 仅打印: 3 functio
import numpy as np
import cProfile
shp = (1000,1000)
a = np.ones(shp)
o = np.zeros(shp)
def main():
np.divide(a,1,o)
for i in xrange(20):
np.multiply(a,2,o)
np.add(a,1,o)
cProfile.run('main()')
仅打印:
3 function calls in 0.269 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.269 0.269 <string>:1(<module>)
1 0.269 0.269 0.269 0.269 testprof.py:8(main)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Prof
iler' objects}
但是cProfile仍然将所有调用都称为
ff
如何在Python函数中包装相关调用
def mul(*args):
np.multiply(*args)
def add(*args):
np.add(*args)
def main():
np.divide(a,1,o)
for i in xrange(20):
mul(a,2,o)
add(a,1,o)
这基本上就是本SO线程中关于改进分析粒度的想法——它分析函数调用,而不是行
要点,但这对于我的真实生活分析来说太麻烦了。我尝试了一些自动包装,但是失败了(如果你想的话,请参见编辑),我甚至尝试了这个:但是也有一些地方出了问题。
def mul(*args):
np.multiply(*args)
def add(*args):
np.add(*args)
def main():
np.divide(a,1,o)
for i in xrange(20):
mul(a,2,o)
add(a,1,o)